北市議員:北檢追金流 與157的鬥智
中時新聞網.2024年9月30日 04:10

台北地檢署偵辦京華城容積率弊案,前柯文哲市長辦公室主任李文宗(左)與柯是高中同學,被視為柯的心腹、帳房,如今兩人都被收押。圖為2019年兩人在議會備詢。(本報資料照片)

 民眾黨主席柯文哲涉京華城案,被爆出有7位威京集團員工在柯交辦京華城案後,共捐210萬元政治獻金給民眾黨。國民黨台北市議員游淑慧29日表示,民眾黨的政黨政治獻金帳戶形同非選舉期間的另個吸金管道,有3個疑點,包含財團捐輸,也可能有官位任命與對價、利益往來的對價給付。她直言,「這是一場北檢與157的鬥智」。

 游淑慧指出,衣服髒了當然要洗,愈髒的衣服要洗愈多次;不乾淨的錢也是如此,多經過幾種不同的帳戶洗一洗,洗掉來源、洗掉髒汙,包含以政黨專戶、政治獻金帳戶、基金會和公司帳戶洗過幾輪,再去使用或慢慢的流回自己的帳戶。

 她表示,民眾黨在2019年成立,但檢驗2020年總統大選後那年,民眾黨的政黨政治獻金帳戶形同非選舉期間的另個吸金的管道。

 她說,包含3個疑點,第一是財團捐輸,裡面有許多筆百萬級金額的捐款供養都來自企業界,當時柯文哲除是市長,手上也掌握5席不分區立委,自然也吸引投資方前來。

 游淑慧質疑,第二是「官位任命與對價?」除黨提名的不分區立委要回捐,連市府職務也都是,如柯文哲2019年任命吳嘉沅為悠遊卡董事長,吳2020年也上道地捐款,總感覺是柯文哲某一種類型的賣官鬻爵,甚至也看到捐款名單還有柯的隨扈警官、市府祕書長各自捐款30萬元。

 她說,下屬捐款長官很不常見,「到底是下屬認同到貢獻薪資?還是變人頭?公務員薪資高到每年可以捐給政黨30萬元?太詭譎了。」

 她提及,第三是「利益往來的對價給付」,也是爭議最大之處,2020年3月10日柯文哲和國民黨議員應曉薇便當會後,3月17日柯正式交辦陳情信,3月24日後、3天內,威京透過7位高階主管立馬捐入210萬。時機和化整為零的方式詭異,更像現賣現收的第一期款的定金酬謝。

 她直言,其他30萬元上限個人捐款名單,或許檢調早已確認了,這只是民眾黨2020年的政黨政治獻金專戶,2024年總統大選這1年的金流來往可能更複雜,涉及政黨、個人、基金會到木可,「這是一場北檢與157(指柯自稱智商157)的鬥智」。

最新選舉新聞

最新選舉新聞

多元觀點

不同視角的媒體報導

賴清德 飆罵 將官

颱風 山陀兒

李文宗 朱亞虎 禁見

賴清德 怒罵 將官

威京 民眾黨

約談 柯文哲

中天新聞網
中天新聞網
TVBS新聞網
中時新聞網
傳賴清德對31名晉升將軍飆罵「為何不站好?」 黃揚明大曝內幕消息
今(29)日有媒體報導,總統賴清德在主持將領晉升典禮期間,疑似不滿將領們看到他時仍坐著而有些動怒,不但怒摔資料,甚至還大罵「看到我為什麼不站好?」對此,資深媒體人黃揚明透露,就他的消息管道了解,的確有發生這樣的事情,總統對於將領們的態度真的有一些不滿。
  • 資料來源:網路溫度計自2017年至今約累積28億則以上文章的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Instagram、Dcard、以及包含Yahoo奇摩新聞、聯合新聞網、中時新聞網、ETtoday新聞雲、LINE TODAY、蘋果日報、自由時報、三立新聞網等約350家媒體網站上與選舉相關之政黨、候選人公開資料。
  • 分析方式:本模型分析方式非採傳統抽樣之民意調查,係將蒐集之資料庫予以分析,無母體數、樣本數限制。本模型係運用大數據關鍵引擎,透過深度學習與AI人工智慧技術,使用斷字切詞(Word Segmentation)、語意分析(Semantic Analysis) 、即時情緒分析(Real-Time Sentiment Analysis)等技術,汲取網路上相關討論文章,將文章分為正面、負面、中立三種情緒,計算網路聲量。
  • 跨世代劃分標準:本預測模型判別跨世代之依據,係以不同世代使用者之網路社群行為模式差異區辨。以不同社群網站之使用者世代臉譜數據為基礎,計算跨世代在不同社群聲量上的權重,綜合計算後得到世代好感度數據。
  • 名詞解釋
    • 網路聲量:透過「KEYPO大數據關鍵引擎」,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
    • 好感度分數:綜合評估網路聲量與網友語意情緒,分析各熱門候選人的網友評價。各熱門候選人的情緒、聲量皆經過標準化分數處理,得出好感度分數,再進行各縣市候選人彼此的比較,評量不僅需要聲量高,而且是好評要高,負評要低。好感度分數範圍在0-100分之間,分數越高,表示整體網友對於該位候選人的好感程度越佳。
  • 其他說明
    • 調查單位及主持人:大數據股份有限公司
    • 辦理時間:即日起至2022年11月16日止,逐日更新好感度數據。
    • 抽樣方式:本預測模型非抽樣之民調調查
    • 母體數:無母體數,請參考上述大數據資料庫的內容涵蓋範圍
    • 樣本數及誤差值:本預測模型非採用小樣本抽樣之民意調查,不適用抽樣誤差值
    • 經費來源:Yahoo奇摩、大數據股份有限公司